
第2章 AIにコードを書いてもらう前に、同じ設計図を見る

前章では、AIを活用する上で、人間とAIの認識を揃えることが重要ではないか、という話を書きました。
では、どうすれば認識を揃えられるのでしょうか。
前回の投稿では、PIXELカメレオンの完成イメージを確認するためのプレビューソフトを紹介しました。今回は、そのソフトの開発を題材に、私がどのように考えを整理し、AIと設計を共有しているのかを書いていきます。
私がソフトウェア開発で使っている方法の一つが、処理の流れを図にすることです。具体的には、UMLなどを使い、何がどの順番で動くのかを、コードを書く前に整理しています。
ここで大切なのは、立派な図を作ることではありません。
自分が作りたいものを、自分でも説明できる状態にする。そして、その図をAIと共有し、お互いが同じ流れを見ながら開発を進めることです。
今回は前回作ったプレビューソフトを例に設計方法をご紹介します。

「写真からプレビューを作りたい」だけでは、決まっていないことが多い
前回作ったプレビューソフトは、写真を取り込んで立体的なモデルを生成し、画面上で回転させたり、点灯前と点灯後の表示を切り替えたりするものです。

この説明だけでも、AIにプログラムの作成を依頼することはできます。
ただ、この段階では、まだ多くのことが決まっていません。
写真はどこで選ぶのか。
切り抜きは、画像を送る前に行うのか。
3Dモデルは、利用者のPCで作るのか、サーバーで作るのか。
生成が終わったら、ブラウザは何を受け取るのか。
人間の頭の中では、これらが何となくつながっていることがあります。しかし、何となくつながっていることと、設計として決まっていることは違います。
例えば、私が「スマートフォンでも使えるようにしたい」と伝えたとしても、それだけでは、スマートフォンがどこまでの処理を担当するのかは決まりません。
写真の選択と表示だけを行うのか。それとも、3Dモデルの生成まで端末側で行うのか。
同じ要望でも、実現する構成はいくつか考えられます。
説明していない部分についても、AIは何らかの形を選んでコードを書きます。その選択が私の想定と一致すれば進められますが、違っていた場合は、動くものができても「作りたかったものとは違う」という状態になります。
図にすると、曖昧だった部分が見えてくる
そこで、いきなりコードを作る前に、処理の流れを図にします。
今回なら、最初に利用者がブラウザで写真を選びます。次に、切り抜く位置や向きを調整し、生成ボタンを押します。
調整した画像はVPSへ送られ、サーバー側で3Dモデルを生成します。その結果をブラウザで読み込み、回転や点灯前後の切り替えを行います。
図にすると、「ブラウザで行うこと」と「サーバーで行うこと」が分かれます。また、その間で何を受け渡す必要があるのかも見えてきます。
文章だけで説明していたときには、一つの「生成する」という言葉にまとめていた処理も、実際にはいくつかの工程に分かれています。
画像を受け取ること。
凹凸を計算すること。
モデルを保存すること。
生成したモデルを画面に表示すること。
これらを並べてみると、途中の工程が抜けていないか、順番に無理がないかを確認しやすくなります。
例えば、ブラウザにモデルを表示したいのであれば、その前にモデルが生成されていなければなりません。そして、ブラウザが生成結果を読み込めるようにする必要があります。
頭の中では当たり前に感じていたことも、図にして工程をつなぐと、具体的に決めるべき内容として見えてきます。
図は、AIに説明するための資料であると同時に、自分の考えを確認するための資料にもなります。
処理の順番と、担当する場所を分けて考える
処理の流れに加えて、どこで何を行うのかも整理します。
今回のソフトでは、PCやスマートフォンが操作と表示を担当し、VPSが画像を受け取って3Dモデルを生成する処理を担当しています。
【画像②:PC・スマホとVPSの役割】
この役割分担を共有しておけば、機能を追加するときも、どこに手を加える必要があるのかを考えやすくなります。
例えば、画面上のモデルの回転方法を変えたいのか。それとも、写真から作る凹凸の計算方法を変えたいのか。
どちらも利用者から見れば「プレビューの変更」ですが、変更する処理は異なります。
処理の順番を示す図と、役割を示す図。それぞれ違う視点で整理することで、同じ言葉の中に含まれていた内容を分けて考えられるようになります。
AIにフロー図の画像を作ってもらうだけでは、だめなのか
処理の流れを共有するのであれば、AIに分かりやすいフロー図の画像を作ってもらえばよいのではないか。そう思う方もいるかもしれません。

画像になった図は、人間にとって理解しやすいものです。処理の順番や全体の構成を、視覚的に確認できます。この記事に掲載している説明画像も、読者に仕組みを伝えるためのものです。
ただ、図が分かりやすく見えることと、AIとの認識が揃っていることは別です。
AIが作った画像を見て、私が「この矢印はこういう意味だ」と理解しても、AIが同じ意味で扱っているかまでは、それだけでは確認できません。条件の分岐や処理の関係も、見た目から人間が補って読んでいる場合があります。
そこで私が使っているのが、UMLです。
UMLには、処理や分岐、状態などを表すための共通の記法があります。単に箱と矢印を並べるのではなく、それぞれの記号やつながりに意味を持たせて設計を表現できます。
さらに、PlantUMLのように、図の構造をテキストで記述する方法を使えば、処理名や分岐条件、接続関係を、図の元になる文章として残せます。
人間は描画されたフローを見て確認し、AIとはその元のテキストを使って設計について話す。両者が、同じ記述をもとに確認できる形になります。
例えば、「生成に成功したらモデルを表示する」「失敗したらエラーを表示する」という分岐も、画像の見た目だけに頼らず、条件と接続先をテキストで確認できます。
修正するときも、「この矢印を何となく変える」のではなく、「この条件では、次にこの処理へ進む」と、変更内容を具体的に共有できます。
私がUMLを使う理由は、きれいなフロー図を作りたいからではありません。
人間が見る図と、AIとやり取りする設計の記述を結びつけ、同じ内容を確認しながら開発を進めたいからです。
AIには、まず設計について話してもらう
図と、その元になる記述ができたら、すぐに「このとおりにコードを書いて」と依頼するだけでなく、まず内容を説明してもらいます。
例えば、次のように聞きます。
「この設計では、写真を選んでからプレビューが表示されるまで、どのような処理が行われますか」
「ブラウザ側とサーバー側の役割を、それぞれ説明してください」
「この流れの中で、まだ決まっていないことはありますか」
AIの説明を読むと、自分の意図と違う解釈をしている箇所に気づくことがあります。
そこで修正するのは、コードではなく設計です。
「その処理はPC側ではなくVPS側で行いたい」
「切り抜きが確定した画像を送る」
「生成後は、ブラウザでモデルを読み込んで表示する」
こうしたやり取りを、プログラムを作る前に行います。
単に「理解しました」と返ってくるだけでは、どこまで認識が揃っているかは分かりません。AI自身の言葉で説明してもらうことで、こちらが確認できる形になります。
コードができてから全体の構成を変えるより、設計の段階で認識の違いを見つけられた方が、何を直すべきかを把握しやすくなります。

正常な流れだけでは、実際の使い方まで決まらない
ここまで整理してきたのは、処理が順調に進んだ場合の流れです。
ただ、実際に使うことを考えると、それ以外の場面も出てきます。
写真を選ばずに生成ボタンを押したらどうするのか。
生成中に、もう一度ボタンを押したらどうするのか。
複数の人が同時に使ったら、どう扱うのか。
途中で処理に失敗した場合、利用者に何を表示するのか。
こうした内容は、最初の「写真からプレビューを作りたい」という依頼だけでは伝わりません。
私自身も、最初からすべてを思いつけるわけではありません。処理の流れを見ながら、「この途中で別の操作をされたらどうなるだろう」と考えることで、必要な動作が見えてきます。
AIにも同じ設計を見てもらい、確認すべき場面を挙げてもらう。その中から、今回のソフトで対応する内容を決めていきます。
ここで、人間側の判断が必要になります。
AIが挙げた対策をすべて取り入れればよいとは限りません。想定する利用人数や使う場面によって、必要な対応は変わります。
まずどこまで作るのか。何を優先するのか。どのような操作を受け付けるのか。
AIとの対話を通して、そうした判断に必要な項目を整理し、決まった内容を設計へ反映していきます。
修正するときも、同じ設計図に戻る【エビデンスを残そう!】
開発を進めていると、追加したい機能や変更したい動作が出てきます。
そのとき、会話だけで変更を積み重ねると、現在の仕様が分かりにくくなります。
以前はどう動いていたのか。
今回、どの工程を変えるのか。
その変更は、ほかの処理にも影響するのか。
こうした点を確認するために、設計図へ戻ります。
例えば、生成中の連続操作を防ぎたいのであれば、「生成ボタンを押した後から、結果が返るまで」の区間を見ます。
その区間で操作を制限するのか。待機中の表示を出すのか。失敗した場合は、どこで操作できる状態へ戻すのか。
変更したい場所を流れの中に置くことで、単に「連打できないようにして」という指示よりも、必要な動作を具体的に考えられます。
そして、仕様を変えたら、元の記述を更新して図にも反映します。
図と実際のソフトが違う状態になれば、共通の設計図として使いにくくなるからです。次の修正をするときにも、古い図を前提に話してしまえば、再び認識のずれが生まれます。
動作を確認するときにも、この設計図を使います。
「この工程で、本来はこう動くはずなのに、実際にはこうなっている」
期待する動作と実際の動作を、同じ流れの中で比較する。そうすることで、修正についての話も具体的になります。
コードを書けることと、作りたいものを決められること
AIを使うことで、コードを作成する作業は進めやすくなりました。ノーコードの仕組みも含め、以前より手軽にソフトウェアを形にできるようになっています。
だからこそ私は、動くものを作ることに加えて、設計を明確な記述として残すことが不可欠だと考えています。
一方で、何を作るのか、どのように動かしたいのか、どこまでを今回の範囲にするのかは、決める必要があります。そして、決めた結果だけでなく、なぜその構成や条件を選んだのかも残しておく必要があります。
「なぜ、この順番にしたのか」
「何を想定して、この条件を設けたのか」
「どのような制約があって、この構成を選んだのか」
その根拠が残っていなければ、改修する人は、動いているものから過去の判断を推測することになります。不要に見えた処理が、実は重要な条件を守るために設けられていた、ということもあります。
私にとってUMLは、頭の中にある動きを整理し、AIと一緒に確認するための道具です。同時に、設計の内容を後から確認できる形で残すための道具でもあります。
人間が図を見て理解することと、AIが設計の記述をもとに処理を組み立てること。その二つを、同じ内容につなげておきたいのです。そこに判断の理由も添えることで、改修するときに立ち戻れる記録になります。
私は、こうしたエビデンスを残すことも、設計者に必要なスキルだと考えています。
動くものができたからといって、設計の根拠を残す工程を省いた瞬間、仕事としての設計から、個人の勘や記憶に頼る素人仕事へ戻ってしまう。それくらい、私にとっては重要な工程です。
ただし、手法は何でも構いません。
UMLでも、仕様書でも、フロー図に説明を添えたものでもよいと思います。大切なのは、仕組みと判断の理由が残り、後から読む人がたどれることです。
社内で共有する相手や、次に改修を担当する人。そして、数か月後、数年後の自分も、その「後から読む人」に含まれます。
今の自分が理解していることを、未来の自分も理解できるとは限りません。だからこそ、設計を引き継ぐための道筋を残しておきたいのです。
最初から完璧なプロンプトを書こうとするより、まず流れを描き、その設計について話す。そのやり取りを通して、自分の考えを具体的にし、決まった内容と理由を記録する。
AIにコードを書いてもらう前に、何を作ろうとしているのかを一緒に確認する。そして完成した後も、なぜそう作ったのかをたどれるようにしておく。
簡単に作れるようになった時代だからこそ、作った仕組みを説明し、改修し、次の人へ託せる設計を大切にしたいと考えています。
#AI #生成AI #AI活用 #AIコーディング #プログラミング #ノーコード #個人開発 #ソフトウェア開発 #システム設計 #設計思想 #UML #PlantUML #仕様書 #ドキュメント #技術継承 #開発記録 #ものづくり #PIXELカメレオン